基于意图共享与概率拓扑预警的多车协同决策方法及系统与流程
本技术涉及自动驾驶,尤其涉及一种基于意图共享与概率拓扑预警的多车协同决策方法、一种基于意图共享与概率拓扑预警的多车协同决策系统,以及一种计算设备。
背景技术:
1、随着智能网联汽车与自动驾驶技术的快速发展,道路交通正从单车智能向多车协同方向演进。在复杂的城市交叉口、合流区及无信号路口等典型交互场景中,车辆之间的决策耦合程度显著增强,任何一方的行为不确定性都可能引发连锁反应,影响整体通行效率与安全。传统的单车决策方法仅依赖自身传感器感知环境,难以获知他车的真实驾驶意图,在面对多方博弈时往往采取过于保守的策略,造成通行能力浪费甚至交通拥堵。因此,如何实现多车之间高效、安全、实时的协同决策,已成为智能交通领域亟待解决的核心技术问题。
2、现有技术中,基于车车通信的意图共享与基于车载传感器的纯感知决策是两条主流技术路线,此外亦有基于博弈论或深度学习的独立决策方法。近年来,也有研究尝试将通信与感知相融合,形成混合式协同决策框架,以期在通信可靠时利用意图信息提升决策前瞻性,在通信受限时回退至感知模式保障基本功能。这些方法在一定程度上推动了多车协同决策技术的发展,为实际工程应用奠定了基础。
3、然而,现有技术仍存在若干突出局限。首先,轨迹冲突检测多依赖瞬时空间距离等几何指标,无法刻画多车轨迹在时空中的拓扑缠绕关系,容易遗漏那些瞬时距离尚远但拓扑上已不可避免地走向冲突的隐性风险。其次,当交互车辆数量增多时,博弈求解的计算复杂度急剧上升,难以满足车载实时决策的时效性要求,实际应用中往往被迫简化模型而牺牲决策最优性。此外,协同模式与纯感知模式之间缺乏平滑的降级与恢复机制,在通信质量波动的边界区域容易出现决策抖动,影响决策连续性与乘坐舒适性。同时,现有混合式框架中,意图信息与感知信息的融合多停留于数据层或决策结果层的简单叠加,缺乏从意图确认、物理验证到冲突预警、博弈求解的逐层递进处理,各环节之间缺少有机衔接,导致安全性提升与实时性保障难以兼得。因此,亟需一种兼顾信息交互可靠性、博弈求解高效性以及系统运行鲁棒性的多车协同决策方法。
技术实现思路
1、(一)要解决的技术问题
2、鉴于现有技术的上述缺点、不足,本技术提供一种基于意图共享与概率拓扑预警的多车协同决策方法及系统,以解决现有技术中多车交互场景下因意图信息不可靠导致的决策风险高、博弈求解计算复杂度大导致实时性差,以及缺乏底层安全兜底机制的问题。
3、(二)技术方案
4、为了达到上述目的,本技术采用的主要技术方案包括:
5、第一方面,本技术实施例提供一种基于意图共享与概率拓扑预警的多车协同决策方法,具体步骤包括:
6、s1,获取周围交通参与者的运动状态信息和周围车辆的驾驶意图消息;
7、s2,根据所述驾驶意图消息执行双向握手确认协议,并根据所述运动状态信息对所述驾驶意图消息进行多源交叉验证;将握手成功且通过验证的车辆标记为协同车辆,其余车辆标记为感知车辆;
8、s3,为自车生成多条候选轨迹、根据各协同车辆的驾驶意图消息生成对应车辆的确认轨迹、根据各感知车辆的运动状态信息生成对应车辆的多个带概率分布的假设轨迹;将所述候选轨迹、所述确认轨迹和所述假设轨迹构成初始候选轨迹空间并投影至时空拓扑空间;从自车的各候选轨迹、各协同车辆的确认轨迹、各感知车辆的各假设轨迹中各取一条组成轨迹组合;计算各轨迹组合的联合冲突概率;
9、当所述联合冲突概率超过预设剪枝阈值时,从所述初始候选轨迹空间中移除所参与的自车候选轨迹,得到剪枝后的候选轨迹空间;
10、s4,以所述剪枝后的候选轨迹空间为动作空间,构建贝叶斯博弈模型及其收益函数;对所述贝叶斯博弈模型进行均衡求解,输出最优决策轨迹;
11、s5,基于周围交通参与者的运动状态信息对所述最优决策轨迹进行安全校验,校验通过后将所述最优决策轨迹下发至执行层执行。
12、可选的,在本技术的一些实施例中,步骤s2中对所述驾驶意图消息执行双向握手确认协议具体包括:通过v2x向周围车辆广播自身驾驶意图消息;接收周围车辆广播的驾驶意图消息并解析,向解析成功的所述驾驶意图消息的发送方返回确认回复,所述确认回复中包含对接收到的驾驶意图消息的理解摘要信息;接收并解析周围车辆返回的确认回复,将所述确认回复中的理解摘要与自身广播的驾驶意图消息进行一致性比对;
13、若一致,则将与该车辆的握手状态标记为握手成功;
14、若在预设时间阈值内未接收到对方返回的确认回复,或接收到的确认回复中的理解摘要与自身广播的驾驶意图消息不一致,则将该车辆的握手状态标记为未握手成功,并将该车辆标记为感知车辆。
15、可选的,在本技术的一些实施例中,所述基于所述运动状态信息对所述驾驶意图消息进行多源交叉验证,具体包括:
16、针对每一握手成功的车辆,将所述驾驶意图消息中的期望速度剖面与所述运动状态信息中的实际速度进行对比,得到第一对比结果;将所述驾驶意图消息中的目标轨迹点序列与所述运动状态信息中的实际位置进行对比,得到第二对比结果;将所述驾驶意图消息中的意图类别与所述车辆在历史时间窗口内广播的历史意图进行一致性对比,得到第三对比结果;当所述第一对比结果、所述第二对比结果和所述第三对比结果均未超过对应的预设阈值时,判定该车辆的驾驶意图消息通过验证;否则,判定该车辆的驾驶意图消息未通过验证。
17、可选的,在本技术的一些实施例中,步骤s3中所述计算各轨迹组合的联合冲突概率,具体包括:
18、获取自车的多条候选轨迹;对所述感知车辆维护k条假设轨迹及其对应的概率分布,其中,k≥3;将所述协同车辆的确认轨迹作为1条概率为1的候选轨迹;从自车的候选轨迹、各协同车辆的确认轨迹、各感知车辆的假设轨迹中,各取一条组成一个轨迹组合;对所述轨迹组合中的自车候选轨迹分别与各协同车辆的确认轨迹、各感知车辆的假设轨迹进行成对冲突检测,计算各轨迹对在时空中的最小时空距离;统计所述最小时空距离小于安全距离阈值的概率,作为该轨迹组合的冲突概率;所述安全距离阈值根据对应车辆的驾驶风格类别确定,所述驾驶风格类别基于所述运动状态信息获取;综合所有轨迹组合的联合分布,计算各轨迹组合的联合冲突概率。
19、可选的,在本技术的一些实施例中,步骤s4中所述构建贝叶斯博弈模型包括:
20、将所述自车作为主博弈参与者,将所述协同车辆和所述感知车辆分别作为从博弈参与者;以所述剪枝后的候选轨迹空间中自车的候选轨迹作为自车的动作空间,以各协同车辆的确认轨迹和各感知车辆的假设轨迹分别作为对应博弈参与者的动作空间;
21、以所述协同车辆的驾驶意图消息所指示的意图类别作为确定性信息,以所述感知车辆的驾驶风格类别作为待推断信息,构建各博弈参与者的类型空间;
22、根据所述类型空间和所述动作空间,构建各博弈参与者的收益函数,所述收益函数用于表征各博弈参与者在对应类型空间下选取不同策略时的效用值;所述收益函数具体为:
23、ui(ai,ai,θ)=w1ei(ai)-w2λ(ai,ai,θ)pconflict(ai,ai,θ)-w3ci(ai)-w4ri(ai);
24、其中,ai为博弈参与者i选择的候选轨迹,ai为其他博弈参与者选择的候选轨迹集合,θ为感知车辆的驾驶风格类别;
25、ei()为通行效率收益项,用于表征候选轨迹的通行效率,根据候选轨迹的预期通行速度与目标速度的比值计算得到;
26、λ(ai,ai,θ)为碰撞代价权重,用于表征所述轨迹组合发生潜在碰撞的严重程度,根据所述轨迹组合中各轨迹之间的相对运动状态及所述驾驶风格类别θ动态映射得到;
27、pconflict()为联合冲突概率,用于表征所述轨迹组合发生空间重叠的概率,根据所述驾驶风格类别θ采用差异化的安全距离阈值计算得到;
28、ci()为舒适度惩罚项,用于表征候选轨迹的平顺程度,根据候选轨迹的加加速度时间序列计算得到;
29、ri()为规则合规惩罚项,用于表征候选轨迹对交通规则的遵守程度,根据候选轨迹与预设的道路约束的偏差计算得到;
30、w1,w2,w3,w4为预设权重系数且满足w1+w2+w3+w4=1。
31、可选的,在本技术的一些实施例中,步骤s4中所述对所述贝叶斯博弈模型进行均衡求解包括:当参与博弈的车辆数量不超过预设数量阈值时,对所述贝叶斯博弈模型进行求解,得到纯策略纳什均衡或混合策略纳什均衡;当参与博弈的车辆数量超过所述预设数量阈值时,采用迭代删除劣策略的方法缩小各博弈参与者的动作空间,并将多车博弈分解为多组局部双车博弈进行串行化近似求解,将各组局部博弈的均衡解合并为全局近似均衡解,作为所述最优决策轨迹的输出。
32、可选的,在本技术的一些实施例中,所述安全校验具体包括:
33、第一级校验:根据预获取的车辆运动学模型和周围静态障碍物位置信息计算硬安全边界,判断所述最优决策轨迹是否与所述硬安全边界发生冲突;
34、第二级校验:根据所述周围交通参与者的运动状态信息,判断所述最优决策轨迹是否存在与动态障碍物发生碰撞的风险;
35、若所述第一级校验或所述第二级校验中任一项未通过,则发出车辆制动指令。
36、可选的,在本技术的一些实施例中,还包括降级策略:当v2x通信中断、或所述双向握手确认协议超时、或所述多源交叉验证不通过时,自车对该握手或验证失败的周围车辆自动切换至纯感知模式处理;当所述v2x通信恢复、所述双向握手确认协议重新成功、且所述多源交叉验证通过时,针对对应车辆从所述纯感知模式恢复至协同决策模式。
37、第二方面,本技术实施例提供一种基于意图共享与概率拓扑预警的多车协同决策系统,包括:
38、信息获取模块,用于获取周围交通参与者的运动状态信息和周围车辆的驾驶意图消息;
39、意图确认模块,用于根据所述驾驶意图消息执行双向握手确认协议,并基于所述运动状态信息对所述驾驶意图消息进行多源交叉验证;将握手成功且通过验证的车辆标记为协同车辆,将其余车辆标记为感知车辆;
40、轨迹投影与剪枝模块,用于为自车生成多条候选轨迹、根据各所述协同车辆的驾驶意图消息为其生成确认轨迹、根据各所述感知车辆的运动状态信息为其生成多个带概率分布的假设轨迹;将所述候选轨迹、所述确认轨迹和所述假设轨迹构成初始候选轨迹空间并投影至时空拓扑空间;从自车的各候选轨迹、各协同车辆的确认轨迹、各感知车辆的各假设轨迹中各取一条组成轨迹组合;计算各轨迹组合的联合冲突概率;当所述联合冲突概率超过预设剪枝阈值时,从所述初始候选轨迹空间中移除所参与的自车候选轨迹,得到剪枝后的候选轨迹空间;
41、博弈决策模块,用于以所述剪枝后的候选轨迹空间为动作空间,构建贝叶斯博弈模型及其收益函数;对所述贝叶斯博弈模型进行均衡求解,输出最优决策轨迹;
42、安全校验与执行模块,用于基于所述周围交通参与者的运动状态信息对所述最优决策轨迹执行安全校验,校验通过后将所述最优决策轨迹下发至执行层执行。
43、第三方面,本技术实施例还提供一种计算设备,包括存储器和处理器,所述存储器存储计算机程序,所述处理器执行所述存储器中存储的计算机程序,具体执行上述基于意图共享与概率拓扑预警的多车协同决策方法的步骤。
44、(三)有益效果
45、本技术的一种基于意图共享与概率拓扑预警的多车协同决策方法及系统,相较于现有技术,具有以下显著的有益效果:
46、通过引入双向握手确认协议与多源交叉验证机制,将周围车辆精准划分为协同车辆与感知车辆;该方法不仅实现了车辆间驾驶意图的双向确认与深度共享,还通过传感器获取的运动状态信息对v2x接收的驾驶意图消息进行多源交叉验证,有效剔除了恶意篡改或传感器误差导致的虚假意图,为后续博弈决策提供了高置信度的数据基础;相比于传统方案仅依赖历史轨迹间接推测周围车辆意图的方式,本技术将不完全信息博弈转化为准完全信息博弈,显著降低了意图不确定性,提升了决策质量;
47、通过将自车候选轨迹、协同车辆确认轨迹与感知车辆假设轨迹共同投影至时空拓扑空间,计算各全局轨迹组合的联合冲突概率,并依据预设剪枝阈值直接移除高冲突风险的轨迹组合,在博弈求解前大幅缩减了初始候选轨迹空间的搜索维度;相比于传统方案在完整策略空间中进行博弈求解,本技术通过前置剪枝,有效降低了多车交互场景下的计算复杂度,使车载芯片能够在决策窗口内完成实时求解;
48、在博弈模型输出最优决策轨迹后,进一步引入基于周围交通参与者运动状态信息的安全校验环节,该机制作为系统的最后一道防线,独立于博弈决策层运行,基于车辆运动学模型与静态障碍物位置计算不可逾越的硬安全边界,对最优决策轨迹进行物理层面的校验,无论博弈求解结果如何,最终下发执行的轨迹均不会突破车辆物理运动学极限或与静态障碍物发生硬性干涉,极大提升了自动驾驶系统在极端工况下的生存能力与安全性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com